谷歌Antigravity推化学技能 药物研发缩到一小时

时间：2026年11月3日 地点：美国，谷歌 Google DeepMind，智能体开发平台 Google Antigravity 人物：谷歌 DeepMind 研究员 Zoi Tsangalidou、Ruijie（Kelly）Zhang、Sukhdeep Singh 与 Michael V. LeVine 事件详情：谷歌 DeepMind 发布为智能体开发平台 Google Antigravity 打造的化学信息学技能（Cheminformatics Skills），把该平台推向药物研发工作流。官方演示以肺癌靶向药为真实案例：智能体在数分钟内从文献中检索出数千个化合物，剔除缓冲液、溶剂等无关分子并标注各自来源，随后独立建议做匹配分子对分析（MMPA），用不同特征集与模型架构构建并验证一批效力预测模型，最后据此设计出带合成路线的新型刚性大环化合物，并给出电子箭头机理图，以及可交给 AlphaFold 或分子动力学模拟继续分析的产物。DeepMind 称，过去完成这样一轮迭代通常需要数天，现在压缩到约一小时。这套技能现已上线，开发者可下载 Antigravity 应用并安装 Science 插件启用，企业用户可用 Google Cloud 凭据以 Business Account 方式登录使用。官方同时宣布，向一万名科学家免费提供 Antigravity 最高用量档位、为期六个月，按滚动方式发放并需申请。 背景：药物研发的数据整理一向耗时，同一个分子在不同载体里可能是一个 IUPAC 名称、专利里的 Markush 结构或目录中的结构文件，改动一个原子就变成了另一个化合物。DeepMind 的做法是把化学信息学的领域最佳实践直接编码进智能体工作流：底层语言模型负责流程编排、数据库导航与科学推理，确定性的化学工具负责分子计算，技能基于开源化学信息学工具包 RDKit 构建，并接入 ChEMBL 与 PubChem 的精选数据。这条路线的上一站是今年 10 月 Antigravity 的抗菌肽发现演示，当时 DeepMind 展示了生物学家如何把跨多个数据库的检索整合进一次智能体引导的会话。 影响：把化学信息学交给智能体编排、确定性工具执行，意味着药物早期设计阶段中最耗人力的数据整理与检索被压缩，科研团队可以把提问方式转向假设本身。对国内 AI 制药与科研智能体赛道，这提供了一条可对照的路线样本：能力落在可复用的技能包与开放工具链上，而不是单次演示。官方给出的边界同样清楚：稀疏数据、跨实验室检测噪声与窄动态范围会限制预测精度，智能体产出的是待验证的可检验假设而非成品药物，每个设计仍需合成并做实验验证。免费向一万名科学家开放六个月最高档位，则是让这套工作台在真实研究流程中接受检验的推广动作。 总结：谷歌 DeepMind 为 Antigravity 上线化学信息学技能包，用真实肺癌药物案例演示了约一小时内完成从文献检索、分子对分析、效力模型到新大环化合物设计与合成路线的全过程，并同步向一万名科学家免费开放六个月最高用量档位。它把药物早期设计中最耗人的数据整理环节交给智能体，同时强调这仍只是可检验假设，必须经过合成与实验验证。 参考来源： Google DeepMind 官方博客：Agentic Cheminformatics with Google Antigravity（2026年11月3日） https://deepmind.google/blog/agentic-cheminformatics-with-google-antigravity/ Google Antigravity 官方科学场景页面 https://antigravity.google/use-cases/science Google Antigravity 智能体开发平台官方页面 https://antigravity.google/ Google DeepMind 官方博客：用 Antigravity 加速抗菌肽发现（同一平台上一期科学工作流演示） https://deepmind.google/blog/accelerating-antimicrobial-discovery/ RDKit 官方站点：化学信息学技能所依赖的开源工具包 https://www.rdkit.org/ ChEMBL 数据库官方站点：技能接入的精选化合物数据源 https://www.ebi.ac.uk/chembl/ 一万名科学家免费档位申请表单（官方公告附链接） https://forms.gle/WvmBbPvRbpKG1BPn9